MétaCan
Menu
Retour à la cohorte
Enregistrement W4390665004 · doi:10.3389/fimmu.2023.1287094

Pharmacogenomics of intravenous immunoglobulin response in Kawasaki disease

2024· article· en· W4390665004 sur OpenAlexaff
Sadeep Shrestha, Howard W. Wiener, Hidemi Kajimoto, Vinodh Srinivasasainagendra, Dolena Ledee, Sabrina Chowdhury, Jinhong Cui, Jake Y. Chen, Mikayla A. Beckley, Luz A. Padilla, Nagib Dahdah, Hemant K. Tiwari, Michael A. Portman

Notice bibliographique

RevueFrontiers in Immunology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueKawasaki Disease and Coronary Complications
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésSingle-nucleotide polymorphismSNPPharmacogenomicsKawasaki diseaseWhole genome sequencingMedicineGeneGenetic associationdbSNPGeneticsBiologyBioinformaticsGenotypeGenomeInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction Kawasaki disease (KD) is a diffuse vasculitis in children. Response to high dose intravenous gamma globulin (IVIG), the primary treatment, varies according to genetic background. We sought to identify genetic loci, which associate with treatment response using whole genome sequencing (WGS). Method We performed WGS in 472 KD patients with 305 IVIG responders and 167 non-responders defined by AHA clinical criteria. We conducted logistic regression models to test additive genetic effect in the entire cohort and in four subgroups defined by ancestry information markers (Whites, African Americans, Asians, and Hispanics). We performed functional mapping and annotation using FUMA to examine genetic variants that are potentially involved IVIG non-response. Further, we conducted SNP-set [Sequence] Kernel Association Test (SKAT) for all rare and common variants. Results Of the 43,288,336 SNPs (23,660,970 in intergenic regions, 16,764,594 in introns and 556,814 in the exons) identified, the top ten hits associated with IVIG non-response were in FANK1, MAP2K3:KCNJ12, CA10, FRG1DP, CWH43 regions. When analyzed separately in ancestry-based racial subgroups, SNPs in several novel genes were associated. A total of 23 possible causal genes were pinpointed by positional and chromatin mapping. SKAT analysis demonstrated association in the entire MANIA2, EDN1, SFMBT2 , and PPP2R5E genes and segments of CSMD2 , LINC01317, HIVEPI, HSP90AB1 , and TTLL11 genes Conclusions This WGS study identified multiple predominantly novel understudied genes associated with IVIG response. These data can serve to inform regarding pathogenesis of KD, as well as lay ground work for developing treatment response predictors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetKawasaki Disease and Coronary ComplicationsTravaux en français237 207